[发明专利]一种用于机器学习的双模态特征集构建方法

权利要求书

1.一种用于机器学习的双模态特征集构建方法，其特征在于，包括以下步骤：

（1）采集固体有机样品原位的CT图像数据；

（2）根据样品特性进行不同厚度的切片处理，然后采集切片的傅里叶变换红外扫描数据；

（3）对CT数据集进行背景校正和滤波去噪预处理；

（4）对红外数据进行基准线校正、平滑和归一化预处理；

（5）提取CT预处理后数据集的灰度特征、灰度梯度特征、纹理特征，获得CT特征集；

（6）提取红外预处理后数据集的有机大分子吸收振动特征谱，获得红外特征集；

（7）分别对CT图像和红外数据特征集进行降维处理，并组合成双模态特征集，用于各种机器学习分类模型。

2.根据权利要求1所述的一种用于机器学习的双模态特征集构建方法，其特征在于，采用主成分分析（PCA）对样品CT图像的结构特征集进行降维；采用竞争性自适应重加权算法（CARS）方法对样品红外谱学特征集进行降维；将降维后的两种模态的特征集数据串接在一起置于二维表格中，其中每一行为一个测试样品，每一列为不同属性的特征值，从而有效将CT结构特征和红外谱学特征组合成一个双模态特征集。